基于居民出行特征的北京城市功能区识别与空间交互研究

受区域功能分化影响,城市居民出行呈现出特定的时序特征,因而不同的出行时序特征可以反映区域功能的差异性。同时,区域功能的交互特征可以通过居民出行的空间交互活动体现。大数据时代的到来,使得以GPS数据为代表的个体时空大数据可以从微观视角反映居民出行特征。本文采用个体时空大数据,应用数据挖掘方法,从居民感知视角研究城市区域功能的差异性与联系性。以北京六环为研究区域,采用规则格网划分城市地块,通过北京市3个月的出租车GPS数据提取地块的居民出行时序特征。采用期望最大化算法进行聚类分析,并结合兴趣点数据和居民出行调查实现功能区识别,识别出居住区、商业娱乐区等6类功能区。从距离和时间2个维度分析功能区之间的空间交互特征,发现功能互补性在一定程度上削弱了空间交互强度的距离衰减效应,同时功能交互呈现出显著的时序差异。     

大众点评数据下的城市场所范围感知方法

“场所（place）”是具有特定语义和人文体验的地理位置,是虚拟地理环境中地理知识表达的核心要素,能够为深入理解与表达人们的地理空间认知,以及基于虚拟地理环境的分析模拟提供支持,因而对城市内部现有场所的识别与模糊建模是城市空间结构研究的基础之一。众源数据为提取和表达模糊场所提供了新的途径,然而目前研究多针对单个或少数几个场所进行建模。本研究针对城市多场所空间范围的多尺度建模,提出基于自适应核密度估计的模糊集方法,为进一步理解城市场所的模糊认知范围提供了可视化解决方案。并以北京市五环内场所为实例,采用大众点评网中商户自行上传的兴趣点（POI）数据,对其进行提取与表达。通过对比百度地图所展示的场所相应范围,发现该方法在大众点评数据集下的应用能更好地揭示商圈语义下的场所认知。